Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknologi Komunikasi dan Informasi (TIK) berkembang dengan pesat untuk memenuhi kebutuhan manusia agardapat melakukan komunikasi dan memperoleh akses ke informasi secara cepat. Hal ini membawa suatu kesadaran baru di seluruh dunia untuk menciptakan pemerintahan yang baik dan bersih yang dikenal sebagai reformasi manajemen publik atau e-Government (e-Gov). Interoperabilitas antar unit/fungsi organisasi merupakan salah satu isu utama dalam menerapkan sistem e-Government. Layanan berbasis Grid untuk interoperabilitas (e-Government Grid) dapat menjadi solusi untuk berbagi sumber daya dan interoperabilitas sistem e-Government. Hal ini telah dilakukan di beberapa negara. Indonesia sebagai negara berkembang juga sedang berupaya untuk meningkatkan kualitas layanan kepada masyarakat melalui pemanfaatan e-Government. Meskipun dalam survey e-Government yang dilakukan oleh The United Nations Department of Economic and Social Affairs pada tahun 2012, posisi Indonesia mengalami peningkatan dari tahun sebelumnya, akan tetapi masih terdapat beberapa persoalan dalam pengembangan e-Government khususnya terkait pembagian sumber daya. Beberapa lembaga pemerintahan telah mengimplementasikan interoperabilitas dalam layanan e-Government akan tetapi belum ada keterkaitan dalam hal pembagian sumber daya antar agensi pemerintahan sehingga seringkali masih ada tumpang tindih dalam pengembangan aplikasi antar instansi. Riset tentang e-Government Grid yang dilakukan oleh peneliti selama ini lebih menekankan pada pemanfaatan middleware dan arsitektur dalam teknologi Grid. Untuk melengkapi penelitian sebelumnya, maka pada penelitian ini lebih menekankan pada waktu proses suatu layanan Grid dengan mengusulkan suatu metode estimasi yang diperoleh setelah melakukan simulasi dan eksperimen pada suatu sistem nyata dengan studi kasus Indonesia. Peneliti mengusulkan rancangan desain topologi dan skenario untuk layanan e-Government Grid di Indonesia berdasarkan kelompok fungsi dari peta solusi aplikasi e-Government untuk menghubungkan institusi, lembaga dan wilayah yang ada di negara ini. Peneliti mengusulkan desain topologi dan skenario untuk layanan e-Government Grid berdasarkan provinsi dan populasi dengan mengatur alokasi sumber daya. Kecepatan waktu proses yang merupakan salah satu indikator kepuasan dari pengguna dijadikan ukuran dalam simulasi. Kontribusi akhir dari penelitian ini berupa metode estimasi waktu proses untuk layanan Grid pada suatu topologi star yang diperoleh dari hasil simulasi dan eksperimen pada sistem nyata. Hasil eksperimen menunjukkan bahwa metode estimasi yang diusulkan memiliki tingkat akurasi sebesar 75% serta menunjukkan adanya konsistensi antara kesimpulan hasil simulasi dengan estimasi waktu proses. Metode estimasi yang diusulkan dalam penelitian ini dapat digunakan untuk memperkirakan waktu proses pada sistem nyata apabila akan dibangun sistem e-Government Grid. Dengan adanya metode ini diharapkan dalam pengembangan Grid untuk pemerintahan termasuk di Indonesia dapat direncanakan secara matang sebelum di implementasikan mengingat besarnya sumber daya yang diperlukan dalam pembangunan dan pemeliharaannya.

---

Information and Communication Technology (ICTs) is growing rapidly due to human needs for communication and fast access to information.This brought a new awareness around the world to create good governance and clean government which is known as public management reform, called e-Government (e-Gov).

Interoperability among units/functions in organization is one of the main issue for implementing an e-Government system. Grid-based services for interoperability (e-Government Grid) could be a solution for resource sharing and interoperability of e-Government systems. This has been done in some countries.

Indonesia as a developing country is working to improve the quality of e - Government to serve citizens. According to the e-Government survey conducted by the United Nations Department of Economic and Social Affairs in year 2012, Indonesia's position has increased from the previous year, but there are some problems in the development of e -Government related to the resource sharings . Some governmental agencies have implemented interoperability in their e-Government services but there are no linkage in terms of resource sharing among them.

Previous researchs on e-Government Grid focus more on the use of middleware and architecture of Grid technology. This research concentrate more on the processing time of an Indonesia e-Government Grid service and propose an estimation method that obtained after performing simulations and experiments on a real system. We propose some topology design of scenarios for e-Government Grid services in Indonesia based on function group from e-Government application solution to connect the ministry, institutions, agencies, departments and regions in the country . We also propose a topology design of scenarios for e-Government Grid services based on province and population by adjusting the resource allocation . The speed of processing time which is one indicator of user satisfaction measurement is used in the simulation.

Final contribution of this research is a processing time estimation method of processing time for Grid services of a star topology based on the simulations and experiments on a real system. The experimental results show that the proposed estimation method has an accuracy rate of about 75% and shows a consistent conclusion between the simulation and the estimated processing time. Considering the amount of resources required for the development and the maintenance of e-Government Grid, the estimation method proposed in this research can be used to estimate the processing time in real system before the implementation in some countries including in Indonesia."

"Kanker merupakan salah satu penyakit yang memiliki angka kematian tergolong tinggi di dunia. Analisis dengan menggunakan citra histopatologi merupakan gold standar yang dilakukan untuk diagnosa kanker. Kehadiran machine learning dan deep learning memanfaatkan data untuk dilatih dan kemudian akan menghasilkan metode untuk memprediksi atau identifikasi kanker. Kebutuhan data di dalam machine learning terlebih lagi deep learning sudah seharusnya tersedia. Namun, permasalahan yang kerap kali terjadi jika melakukan penelitian dengan data medis histopatologi adalah keterdiaan data yang terbatas. Salah satu kebaruan dari disertasi ini adalah telah berhasil melakukan modifikasi dan algoritma sliding window untuk mengatasi keterbatasan data citra histopatologi yang disebut dengan conditional sliding windows. Selain itu, disertasi ini juga telah berhasil merancang arsitektur deep learning untuk menghasilkan metode identifikasi status kanker dengan citra histopatologi dengan akurasi dapat dibandingkan dengan metode terkini yang berkembang. Penggunaan conditional sliding window mampu menghasilkan beberapa skenario dataset citra histopatologi yang akan digunakan sebagai dataset untuk proses pelatihan. Arsitektur yang dikembangkan adalah convolutional neural network (CNN) yang kami sebut dengan CNN-7-5-7. Dibandingkan dengan arsitektur deep learning seperti Alexnet dan DenseNet, CNN 7-5-7 menghasilkan performa yang lebih konsisten dan juga relatif lebih cepat dalam pelatihan. Apabila dibandingkan dengan model dengan data hasil pembangkitan Generative Adversarial Network (GAN).

---

Cancer is a disease that has a relatively high mortality rate in the world. Analysis using histopathological images is the gold standard for cancer diagnosis. The presence of machine learning and deep learning utilizes data to be trained and will produce methods to predict or identify cancer. The data needs in machine learning, especially deep learning, should be available. However, the problem that often occurs when conducting research with histopathological medical data is the limited availability of data. One of the novelties of this research is the successful modification and sliding window algorithm to overcome the limitations of histopathological image data which is called conditional sliding windows. In addition, this dissertation has also succeeded in designing a deep learning architecture to produce a method of identifying cancer status with histopathological images with an accuracy comparable to the latest developed methods. The use of conditional sliding windows is able to produce several scenarios of histopathological image datasets that will be used as datasets for the training process. The architecture developed is a convolutional neural network (CNN) which we call CNN-7-5-7. Compared to deep learning architectures such as Alexnet and DenseNet, CNN 7-5-7 delivers more consistent performance and is also relatively faster in training. When compared with the model with the generated Generative Adversarial Network (GAN) data."

"Pada penelitian ini, kami ingin mengatasi masalah langkanya dataset untuk peneli- tian di bidang syntactic parsing untuk Bahasa Indonesia, terutama kurang tersedi- anya dependency treebank berbahasa Indonesia dalam kualitas yang baik. Adapun tujuan dari penelitian ada tiga: 1) mengusulkan petunjuk cara menganotasi depen- dency trebank untuk Bahasa Indonesia yang mengacu kepada aturan anotasi UD v2, 2) membangun dependency treebank yang dianotasi secara manual agar bisa berperan sebagai gold standard, 3) membangun sebuah dependency treebank de- ngan mengkonversi secara otomatis sebuah constituency treebank menjadi sebuah dependency treebank.Kami sudah membuat panduan anotasi untuk membangun dependency treebank untuk Bahasa Indonesia yang mengacu kepada aturan UD v2. Pedoman tersebut mencakup aturan tokenisasi/segmentasi kata, pelabelan kelas kata (POS tagging), analisis fitur morfologi, dan anotasi hubungan dependency antar kata. Kami men- gusulkan bagaimana memproses klitika, kata ulang, dan singkatan pada tahap to- kenisasi/segmentasi kata. Pada tahapan penentuan kelas kata, kami mengusulkan pemetaan dari daftar kata dalam Bahasa Indonesia ke 17 kelas kata yang didefin- isikan oleh UD v2. Untuk anotasi fitur morfologi, kami telah memilih 14 dari 24 fitur morfologi UD v2 yang dinilai sesuai dengan aturan Bahasa Indonesia, berikut dengan 27 buah label feature-value yang bersesuaian dengan fitur morfologi terkait. Untuk anotasi hubungan dependency antarkata, kami mengusulkan penggunakan 14 buah label yang bersifat language-specific untuk menganotasi struktur sintaks yang khusus terdapat pada Bahasa Indonesia.Sebuah dependency treebank berbahasa Indonesia yang bisa digunakan sebagai gold standard sudah berhasil dibangun. Treebank ini dibuat dengan merevisi se- cara manual sebuah dependency treebank yang sudah ada. Revisi dilakukan dalam dua fase. Pada fase pertama dilakukan koreksi terhadap tokenisasi/segmentasi kata, pelabelan kelas kata, dan anotasi terhadap hubungan dependency antarkata. Pada fase kedua, selain dilakukan sedikit koreksi untuk perbaikan pada tahap satu, di- tambahkan juga informasi kata dasar (lemma) dan fitur morfologi. Evaluasi ter- hadap kualitas treebank yang baru dilakukan dengan membangun model depen- dency parser menggunakan UDPipe. Hasil pengujian menunjukkan bahwa kami berhasil meningkatkan kualitas treebank, yang ditunjukkan dengan naiknya UAS sebanyak 9% dan LAS sebanyak 14%.Terkait tujuan penelitian ketiga, kami juga sudah membangun sebuah treebank baru dengan mengkonversi secara otomatis sebuah constituency treebank ke dependency treebank. Pada proyek ini, kami mengusulkan sebuah metode rotasi tree yang bertu- juan mengubah dependency tree awal yang dihasilkan oleh alat NLP untuk Ba- hasa Inggris bernama Stanford UD converter sedemikan agar head-directionality dari frase kata benda yang dihasilkan sesuai dengan aturan Bahasa Indonesia yang umumnya bersifat head-initial. Kami menamakan algoritma yang dihasilkan seba- gai algoritma headSwap dan algoritma compound. Hasil percobaan menunjukkan bahwa metode rotasi tree yang diusulkan berhasil meningkatkan performa UAS se- banyak 32.5%.

---

In this dissertation, we address the lack of resources for Indonesian syntactic parsing research, especially the need for better quality Indonesian dependency treebanks. This work has three objectives: 1) to propose annotation guidelines for Indonesian dependency treebank that conform to UD v2 annotation guidelines, 2) to build a gold standard dependency treebank, 3) to build a silver standard dependency tree- bank by converting an existing Indonesian constituency treebank automatically to a dependency treebank.

We have proposed a set of annotation guidelines for Indonesian dependency tree- bank that conform to UD v2. The guidelines cover tokenization/word segmenta- tion, POS tagging, morphological features analysis, and dependency annotation. We proposed how to handle Indonesian clitics/multiword tokens, reduplication, and abbreviation for word segmentation. For POS tagging, we presented the mapping from UD v2 guidelines to the Indonesian lexicon. For morphological features, we proposed the use of 14 of 24 UD v2 morphological features along with 27 UD v2 feature-value tags for Indonesian grammar. Finally, we proposed using 14 language- specific relations to annotate the particular structures in Indonesian grammar for dependency annotation.

A gold standard Indonesian dependency treebank also has been built based on our proposed annotation guidelines. The gold standard was constructed by manually revised an existing Indonesian dependency treebank. The revision project consists of two phases. Major revision on word segmentation, POS tagging, and dependency relation annotation was conducted in the first phase. In the second phase, we added the lemma information and morphological features. Finally, we evaluated the qual- ity of the revised treebank by building a dependency parser using UDPipe. The experiment results show that we successfully improved the quality of the original treebank with a margin of 9% for UAS and 14% for LAS.

Finally, we built a silver standard treebank by automatically converting an Indone- sian constituency treebank to a dependency treebank. In this work, we proposed a method to improve the output of an English NLP tool named Stanford UD con- verter. We transformed the output so that it conforms to the head-directionality rule for noun phrases in Indonesian. We called the proposed tree rotation algorithm the headSwap method and the rule for noun phrases as the compound rule. The evaluation shows that our proposed method improved the UAS with a margin of 32.5%."

"Pembelajaran daring menjadi alternatif pembelajaran karena untuk memenuhi kebutuhan pendidikan yang terkendala oleh jarak maupun alasan efisiensi waktu. Selain itu pembelajaran kolaboratif semakin banyak dikembangkan sejak munculnya paradigma pembelajaran konstruktivisme. Teori konstruktivisme menyatakan bahwa pengalaman belajar dan interpretasi pengetahuan yang didapat sebelumnya menjadi konstruksi pengetahuan mendalam. Teori konstruksivisme sosial menyatakan bahwa pembelajaran terjadi melalui interaksi sosial yang kemudian diinternalisasi. Berdasarkan teori dan bentuk pembelajaran tersebut, pembelajaran kolaboratif daring menjadi alternatif model pembelajaran yang terus dikembangkan dengan menumbuhkan kesadaran metakognitif. Secara empirik pembelajaran dengan memanfaatkan aspek metakognitif telah banyak dilakukan di Indonesia, bahkan kurikulum nasional pun menjadikan metakognisi menjadi salah satu tujuan pembelajaran. Kemampuan metakognitif peserta didik biasanya dinilai pada saat proses pembelajaran menggunakan think aloud atau setelah pembelajaran dengan menggunakan wawancara maupun kuesioner. Penelitian ini bertujuan mengestimasi kemampuan metakognitif dengan menilai aktivitasnya menggunakan persepsi help-seeking sebelum proses pembelajaran. Kegiatan yang bersifat estimasi membutuhkan model. Model metakognitif ini berfungsi untuk mengestimasi kemampuan metakognitif.Kebutuhan help-seeking tidak hanya kebutuhan kognitif tetapi juga kebutuhan sosial untuk berkomunikasi dan berbagi dalam problem solving. Aktivitas help-seeking biasanya tergantung dari persepsi awalnya. Pertanyaannya adalah bagaimana persepsi help-seeking berkorelasi dengan aktivitas metakognitif. Kemudian jika peserta didik mendapatkan perlakuan tertentu dalam pembelajaran, apakah memungkinkan adanya peningkatan aktivitas help-seeking dan metakognitif serta hasil belajar. Sejauh mana perlakuan tambahan atau intervensi metakognitif terhadap proses pembelajaran akan meningkatkan efektivitas pembelajaran. Penelitian disertasi ini bertujuan untuk menjawab dan memberikan gambaran mengenai hubungan kedua faktor tersebut dengan membandingkan antara pra dan pasca intervensi sehingga gambaran tersebut dapat memprediksi aktivitas metakognitif dan frekuensi help-seeking berdasarkan persepsi help-seeking. Oleh sebab itu, model metakognitif dan help-seeking diperlukan untuk memenuhi tujuan tersebut.Data tentang persepsi help-seeking diperoleh melalui kuesioner. Data tentang aktivitas metakognitif dan frekuensi help-seeking juga diperoleh melalui kuesioner setelah responden diberikan tugas problem solving. Adapun data hasil pembelajaran didapat dari nilai hasil pekerjaan problem solving. Kedua data yang diperoleh melalui kuesioner memberikan hasil yang sangat beragam, oleh karena itu dilakukan proses klasterisasi untuk mengetahui tipe kecenderungannya. Korelasi data persepsi help-seeking dengan aktivitas metakognitif dan frekuensi help-seeking dapat diketahui dengan cara menghubungkan kedua data tersebut pada setiap responden. Hal ini juga dilakukan pada pasca intervensi, sehingga perubahan signifikan setelah diberikan intervensi dapat diketahui.Korelasi antara persepsi help-seeking dengan aktivitas metakognitif dan frekuensi help-seeking didapatkan dengan mengetahui hubungan masing-masing tipenya. Tipe persepsi help-seeking instrumental dan perceived benefit berkorelasi positif dengan aktivitas metakognitif individu maupun kelompok dan sebaliknya tipe persepsi help-seeking avoidance dan executive berkorelasi negatif. Dari semua tipe persepsi help-seeking hanya memberikan sedikit perubahan pada frekuensi non-human help-seeking dan tidak memberikan perubahan pada frekuensi human help-seeking. Namun setelah diberikan perlakuan intervensi, terjadi perubahan signifikan pada metakognitif individu dan kelompok maupun frekuensi non-human help-seeking tetapi tidak terjadi pada human help-seeking. Model matematis mengenai input berupa persepsi dan output berupa aktivitas metakognitif dan frekuensi help-seeking, dapat memberikan gambaran tentang korelasi persepsi help-seeking terhadap aktivitas metakognitif dan frekuensi help-seeking pada pra intervensi maupun pasca intervensi sehingga pemodelan tersebut dapat menjadi perangkat estimasi aktivitas metakognitif berdasarkan persepsi help-seeking.

---

Online learning is an alternative learning because it is to meet educational needs which are constrained by distance and time efficiency reasons. In addition, collaborative learning has been increasingly developed since the emergence of the constructivism learning paradigm. Constructivism theory states that learning experiences and interpretations of previously acquired knowledge become in-depth knowledge constructs. Social constructivism theory states that learning occurs through social interaction which is then internalized. Based on these theories and forms of learning, online collaborative learning is an alternative learning model that continues to be developed by cultivating metacognitive awareness. Empirically learning by utilizing metacognitive aspects has been widely carried out in Indonesia, even the national curriculum has made metacognition one of the learning objectives. Students' metacognitive abilities are usually assessed during the learning process using think aloud or after learning using interviews or questionnaires. This study aims to estimate metacognitive abilities by assessing their activities using help-seeking perceptions prior to the learning process. Estimating activities require a model. This metacognitive model serves to estimate metacognitive abilities.

Help-seeking needs are not only cognitive needs but also social needs to communicate and share in problem solving. Help-seeking activities usually depend on initial perception. The question is how the perception of help-seeking correlates with metacognitive activity. Then if students get certain treatment in learning, is it possible to increase help-seeking and metacognitive activities and learning outcomes. The extent to which additional treatment or metacognitive intervention in the learning process will increase the effectiveness of learning. This dissertation research aims to answer and provide an overview of the relationship between the two factors by comparing pre- and post-intervention so that this description can predict metacognitive activity and help-seeking frequency based on help-seeking perceptions. Therefore, metacognitive and help-seeking models are needed to fulfill these goals.

Data on help-seeking perceptions were obtained through a questionnaire. Data on metacognitive activity and frequency of help-seeking were also obtained through questionnaires after the respondents were given problem solving assignments. The learning outcome data is obtained from the value of problem solving work results. The two data obtained through questionnaires gave very diverse results, therefore a clustering process was carried out to find out the type of trend. The correlation between help-seeking perception data and metacognitive activity and help-seeking frequency can be identified by correlating the two data for each respondent. This was also done post-intervention, so that significant changes after the intervention were given can be identified.

The correlation between perceptions of help-seeking and metacognitive activity and frequency of help-seeking is obtained by knowing the relationship between each type. Types of perceptions of instrumental help-seeking and perceived benefits are positively correlated with individual and group metacognitive activities and conversely types of perceptions of help-seeking avoidance and executive are negatively correlated. Of all the types of help-seeking perception, it only gives a slight change in the non-human help-seeking frequency and does not give a change in the human help-seeking frequency. However, after being given the intervention treatment, significant changes in individual and group metacognitive as well as the frequency of non-human help-seeking did not occur in human help-seeking. The mathematical model regarding input in the form of perception and output in the form of metacognitive activity and help-seeking frequency, can provide an overview of the correlation of help-seeking perceptions of metacognitive activity and help-seeking frequency in pre-intervention and post-intervention so that the modeling can be an estimation tool for metacognitive activity based on help-seeking perception."

"Pembelajaran daring merupakan hal umum dalam pendidikan di perguruan tinggi. Namun, faktor-faktor seperti regulasi diri (SRL) dan kelompok (CoRL) yang rendah dapat mempengaruhi keterlibatan kognitif dan motivasi pemelajar dalam kegiatan belajar daring. Dukungan eksternal berupa instruksional scaffolding (perancah) dalam domain metakognitif dan motivasi berperan penting dalam pembelajaran daring di tingkat perguruan tinggi. Solusi yang ditawarkan penelitian ini adalah agen pedagogis. Agen pedagogis dengan strategi pembelajaran perancah berpotensi meningkatkan hasil pembelajaran. Penelitian dilakukan menggunakan kerangka mixed-methods sekuensial eksplanatori. Partisipan penelitian ini merupakan pemelajar semester dua mata kuliah Design Thinking yang diselengarakan secara daring. Hasil pengujian menunjukkan, agen pedagogis memberikan peningkatan yang signifikan dengan pengaruh sedang terhadap keterampilan SRL dan CoRL. Hasil tersebut didukung dengan data LMS. Pemelajar merasa terbantu dengan kehadiran agen pedagogis. Mereka menilai kehadiran agen pedagogis memberikan petunjuk yang jelas, mendorong mempelajari kembali materi dan mengevaluasi jawaban, serta mendorong pemelajar terlibat dalam diskusi dan menghargai pendapat orang lain. Dapat disimpulkan bahwa penggunaan integrasi perancah metakognitif dan motivasi melalui agen pedagogis, menumbuhkan keterlibatan kognitif dan mengelola motivasi pemelajar. Agen pedagogis memainkan peran kunci dalam menyediakan bantuan untuk meningkatkan SRL dan CoRL pemelajar. Peningkatan SRL dan CoRL pemelajar mendorong keterlibatan kognitif dan motivasi, yang menghasilkan pemahaman yang lebih baik.

---

Online learning is common in higher education. However, low self-regulation (SRL) and co-regulation (CoRL) can affect learners' cognitive engagement and motivation in online learning activities. Instructional scaffolding in the metacognitive and motivational domains plays an essential role in online learning at the higher education level. This research offers a pedagogical agent as a solution. Pedagogical agents with scaffolding strategies have the potential to improve learning outcomes. The study was conducted using an explanatory sequential mixed-methods. The participants are second-semester students of the Design Thinking course, which is held online. The results showed that the pedagogical agent significantly increased with a moderate effect on SRL and CoRL skills. LMS data support these results. Learners feel helped by the pedagogical agent's presence. They assessed that the pedagogical agent provided clear instructions, encouraged reviewing the material and evaluating answers, and encouraged learners to engage in discussion and respect the other's opinions. This study showed that metacognitive and motivational scaffolding integration through pedagogical agents fosters cognitive engagement and manages learner motivation. Pedagogical agents play a crucial role in assisting to improve learners' SRL and CoRL. An increase in the learner's SRL and CoRL promotes cognitive engagement and motivation, which results in better understanding."

"Penggunaan variabel berbasis jaringan pada model prediksi kebangkrutan perusahaan dengan metode XGBoost belum banyak ditemukan. Meskipun prediksi kebangkrutannya sudah dikaji secara luas dan beragam, namun sebagian besar masih berfokus pada penggunaan variabel finansial. Dampak sistemik kebangkrutan dapat meluas hingga mengancam stabilitas sistem keuangan. Dampak sistemik yang diwaspadai terutama yang ditimbulkan oleh konglomerasi ataupun kelompok perusahaan. Hal ini memunculkan pertanyaan apakah kebangkrutan perusahaan di dalam satu kelompok akan saling berpengaruh dan menyebabkan efek sistemik di dalam kelompoknya. Sebelum kondisi buruk diketahui oleh pasar atau publik, otoritas pengawasan tersebut diharapkan dapat mendeteksi lebih awal kondisi buruk yang akan terjadi dan melakukan langkah-langkah konkrit yang diperlukan untuk menyelamatkan perusahaan secara khusus dan sistem perekonomian secara umum.Deteksi dini ini dibangun dengan mengembangkan model prediksi yang bekerja berdasarkan data historis, mampu memprediksi kebangkrutan, dan memetakan potensi dampak sistemiknya pada serangkaian perusahaan yang berelasi. Penelitian ini menggunakan data finansial dan relasional dari perusahaan yang terdaftar pada Bursa Efek Indonesia (BEI) mulai tahun 2010 hingga 2021. Data finansial yang digunakan adalah variabel neraca, rasio solvency, rasio profitability, dan rasio operasional. Data relasional terdiri dari 3 jenis relasi berdasarkan teori ultimate ownership, yaitu pemegang saham yang terdaftar pada laporan tahunan, dewan komisaris dan dewan direksi. Setelah melalui serangkaian literatur review dan eksperimen, metode machine learning XGBoost dipilih karena kemampuannya dalam melakukan prediksi dalam data yang tidak seimbang. Model akhir yang diusulkan adalah model prediksi kebangkrutan dengan tugas klasifikasi kelas bangkrut dan tidak, dengan metode XGBoost, menggunakan integrasi data masukan berupa variabel keuangan dan non-keuangan berbasis jaringan. Model ini terdiri dari pemrosesan input variabel keuangan dan relasional, prediksi dengan XGBoost pada 7 jenis integrasi data, pemilihan hasil prediksi akhir berdasarkan AUC yang terbaik, dan analisis potensi dampak sistemik dari jaringan terpilih berdasarkan model integrasi data terbaik di tahap sebelumnya.Model prediksi kebangkrutan ini sekaligus memberikan kontribusi dalam memvisualisasikan potensi dampak sistemik yang mungkin terjadi. Pada tahap prediksi kebangkrutan digunakan model integrasi data variabel finansial – non finansial. Model dengan integrasi data yang menghasilkan AUC terbaik digunakan pada tahap analisis potensi dampak sistemik. Berdasarkan luaran dari tahap 1, analisis dampaknya dipetakan sesuai relasi yang terbentuk dari jaringan yang bersesuaian dengan model terbaiknya. Hasil pengujian dengan data tes tahun 2019 untuk memprediksi kondisi 1 tahun ke depan menunjukkan AUC sebesar 90.20% dengan model integrasi data finansial – Shareholder. Model usulan memiliki AUC lebih baik dari model Tobback et. al., namun tidak lebih baik dari model Zhao et. al.Analisis potensi dampak sistemik memberikan gambaran jaringan yang terbentuk dengan node sumber adalah perusahaan yang diprediksi bangkrut yang terhubung dengan perusahaan yang berelasi berdasarkan Shareholder. Besar kecilnya edge menggambarkan kuat lemahnya relasi yang ada. Penelitian disertasi ini berhasil membangun model prediksi kebangkrutan dengan variabel finansial dan relasional berbasis jaringan ultimate ownership dengan AUC lebih dari 90%. Hasil disertasi ini juga memberikan pandangan baru dalam melakukan deteksi konglomerasi dan analisis potensi dampak sistemik dari relasi yang ada.

---

The application of network-based variables in the company’s bankruptcy prediction model with XGBoost method has not been widely found.. While bankruptcy prediction has been widely and diversely examined, most of them still focus on the use of financing variables. The systemic consequences of bankruptcy can jeopardize the stability of the financial system. The systemic impact under scrutiny primarily arises from conglomerates or corporate organizations. This prompts an inquiry into whether the insolvency of enterprises within a group may impact one another and induce systemic repercussions inside or outside the group. Prior to the market or public awareness of adverse situations, the regulatory body is anticipated to identify these detrimental circumstances early and implement necessary measures to preserve the company specifically and the economic system broadly.

This early detection is established through the creation of a predictive model that utilizes historical data to forecast bankruptcy and assess its potential systemic effects on a network of interconnected enterprises. This research utilizes financial and relational data from firms registered on the Indonesia Stock Exchange (IDX) spanning the years 2010 to 2021. The financial statistics utilized comprise balance sheet variables, solvency ratios, profitability ratios, and operating ratios. Relational data comprises three categories of relations according to the ultimate ownership theory: shareholders identified in the annual report, the board of commissioners (BoC), and the board of directors (BoD). Following an extensive analysis of research and experimentation, the XGBoost machine learning algorithm was selected as the model base due to its efficacy in predicting outcomes within unbalanced datasets. The final proposed model is a bankruptcy prediction model with the task of classifying bankrupt and non-bankrupt classes, with the XGBoost method, using network-based integration of input data in the form of financial and non-financial variables. This model consists of processing financial and relational variable inputs, prediction with XGBoost on 7 types of data integration, selecting the final prediction results based on the best AUC, and analyzing the potential systemic impact of the selected network based on the best data integration model in the previous stage.

This bankruptcy prediction model also contributes to visualizing the potential systemic impacts that may occur. At the bankruptcy prediction stage, a data integration model of financial and non-financial variables is used. The model of data integration exhibiting the highest AUC results is employed at the stage of analyzing potential systemic impacts. The expected impact is delineated based on the output from prior stage, according to the relationships established within the network of the optimal model. The test results utilizing 2019 data to forecast situations one year in advance demonstrated an AUC of 90.20% with the integration model of financial – Shareholder variables. The proposed model has a better AUC than the Tobback et. al., but not better than the Zhao et. al. model. The analysis of potential systemic impacts provides a picture of the network formed with the source node being a company predicted to go bankrupt that is connected to a company related to Shareholders. The size of the edge describes the strength of the existing relationship.

This dissertation research has succeeded in building a bankruptcy prediction model with financial and relational variables based on the ultimate ownership network with an AUC of more than 90%. The results of this dissertation also provide new insights into detecting conglomerates and analyzing the potential systemic impacts of existing relationships."

"Para pakar sepakat bahwa forum diskusi online berpotensi memfasilitasi pembelajaran kolaboratif yang meningkatkan kemampuan berpikir kritis. Untuk menciptakan pengalaman belajar yang bermakna, sekelompok ahli mengajukan Model Community of Inquiry CoI sebagai kerangka kerja pembelajaran kolaboratif online. Diskusi online yang kritis dan mendalam merupakan dinamika dan interaksi timbal balik antara kehadiran sosial, pengajaran, dan kognisi. Kehadiran kognisi yang terdiri atas aktivitas triggering event, eksplorasi, integrasi, dan resolusi merupakan implementasi keterampilan berpikir kritis.Keberhasilan pembelajaran kolaboratif online membutuhkan keterampilan belajar tersendiri yang tidak terbentuk dengan sendirinya. Riset tentang bagaimana mengembangkan keterampilan tersebut masih terbatas. Penelitian ini mengusulkan metode pembekalan Model CoI dengan pendekatan cognitive apprenticeship untuk meningkatkan kemampuan mahasiswa dalam menjalankan peran pembelajar dalam lingkungan pembelajaran kolaboratif melalui forum diskusi online. Penyusunan rancangan pembekalan mempertimbangkan kesiapan awal mahasiswa dan disposisi berpikir kritis. Kontribusi penelitian ini berupa rancangan pembekalan Model CoI, rekomendasi berdasarkan hasil kajian, dan usulan fitur pendukung pembentukan pengetahuan bersama. Rancangan disajikan dalam skrip kronologis untuk memandu pelaksanaan pembekalan dan supaya dapat diadaptasi pada konteks lain.Pembekalan dilakukan terintegrasi dengan mata ajar Aljabar Linier yang diselenggarakan dengan blended-learning. Partisipan terdiri atas mahasiswa semester kedua Fakultas Ilmu Komputer UI yang dibagi dalam dua kelas: dengan pembekalan dan tanpa pembekalan. Respons terhadap survei dan kuesioner metakognisi dan kesiapan belajar online, dan transkrip diskusi merupakan sumber data kuantitatif dan kualitatif yang dianalisis dengan parallel design mixed method untuk meneliti pengaruh pembekalan terhadap kemampuan self-regulation dan co-regulation, strategi belajar, tingkat berpikir kritis, dan pola interaksi.Hasil penelitian menunjukkan bahwa pembekalan meningkatkan secara signifikan kemampuan metakognisi. Capaian mahasiswa kelas dengan pembekalan dalam menjawab soal dengan argumentasi lebih tinggi. Mereka dapat mengartikulasikan proses akomodasi yang dialaminya. Melalui forum diskusi online, mereka terpapar dengan berbagai strategi belajar dan mendorongnya untuk mengubah strateginya apabila diperlukan. Pembekalan dan pengalaman belajar mampu mengubah persepsi mahasiswa terhadap pemahaman dan tingkat motivasinya sendiri, sehingga lebih menyadari keterbatasan pengetahuannya.Teknologi memfasilitasi diskursus dan merekamnya dalam bentuk transkrip yang dapat dianalisis lebih lanjut. Transkrip diskusi online kelas dengan pembekalan menunjukkan bahwa kualitas pemicu dan ketepatan waktu memberikan pemicu mempengaruhi tingkat keaktifan kelompok. Diskusi paling intensif terjadi di awal periode ketika kelompok berupaya mendefinisikan masalah. Keaktifan menurun pada periode kedua dan ketiga; ketika masalah sudah didefinisikan dan mahasiswa perlu mencari sumber informasi lain serta berpikir mendalam untuk mengintegrasikan gagasan. Keaktifan meningkat lagi menjelang periode diskusi berakhir seiring tuntutan menyelesaikan tugas tepat waktu.Pola dinamika kehadiran sosial, pengajaran, dan kognisi mengikuti pola keaktifan. Kehadiran sosial muncul paling dominan, diikuti kehadiran kognisi, dan pengajaran. Indikator tingkat berpikir kritis yang paling intensif adalah integrasi dalam bentuk mengaitkan antar konsep dan menggabungkan gagasan. Semua kelompok mencapai tingkat integrasi; namun, tidak semua mencapai resolusi. Resolusi dicapai oleh kelompok yang tingkat kehadiran kognisinya tinggi atau yang memiliki fasilitator mahasiswa yang berinisiatif mendefinisikan masalah dan mengarahkan anggota kelompok mengambil peran dalam menyelesaikan tugas.Dalam menyelesaikan tugas melalui diskusi online, mahasiswa menanggapi sekilas pesan sebelumnya kemudian fokus pada penyampaian gagasannya sendiri. Perbedaan pendapat jarang terjadi dan tidak berlangsung lama. Mereka menilai diskusi online bermanfaat memberi stimulus berpikir, memperkaya strategi belajar, dan membantu belajar secara mendalam. Batuan belajar dari sesama pembelajar dalam forum diskusi online berupa: mempermudah pemahaman dengan penjelasan dan contoh, memicu berpikir, berbagi sumber belajar, saling mengonfirmasi pemahaman, dan mendiagnosis miskonsepsi.Pembelajaran kolaboratif online merupakan pengalaman baru bagi mahasiswa, sehingga awalnya sebagian dari mereka sulit memulai diskusi dan menuangkan pemikiran. Ada rasa kekhawatiran pesan yang disampaikan baik isi maupun pilihan laras bahasa tidak memuaskan. Mereka mengakui kesulitan merangkum berbagai gagasan ketika diskusi berjalan cepat. Menjawab kendala tersebut, penelitian ini mengusulkan fitur pendukung pembentukan pengetahuan bersama dengan menyusun rangkuman secara kolaboratif. Pengembangan dan implementasi fitur tersebut dan penerapan rancangan pembekalan Model CoI pada konteks berbeda merupakan topik riset mendatang dalam meningkatkan efektifitas pembelajaran kolaboratif online.

---

Experts agree that online discussion forum has the potential to facilitate collaborative learning that enhances critical thinking skills. To create meaningful learning experiences, a group of experts proposed the Community of Inquiry CoI Model as a framework for collaborative online learning. The model captures in depth and meaningful collaborative online discussion process as the dynamic and reciprocal interactions between social, cognition, and teaching presences. Cognitive presence, operationalized as critical thinking, involves triggering event, exploration, integration and resolution.Effective online collaborative learning requires different skills as compared to face to face learning activities. Research on how to develop such skills is still limited. This study proposes a training method of the CoI Model to improve students 39 ability to fulfill their role in collaborative learning through online discussion forum. Contributions of the study are a training design of the CoI Model using cognitive apprenticeship approach, recommendations based on the findings, and proposed feature to support group knowledge building. The design is presented in chronological script to guide facilitators and to be adapted in other contexts by educators if needed.The training is integrated with Linear Algebra course conducted in blended learning approach. Participants, computer science students of the second semester, are grouped into two classes with and without the training. Quantitative and qualitative data of the metacognitive and e Learning competency questionnaires, in depth survey, and discussion transcripts were analyzed with a parallel design mixed method to investigate the impact of the training on students rsquo self regulation and co regulation, learning strategies, critical thinking, and patterns of interaction.Study results show that the training significantly increase the average score of metacognition. In line with this finding, students with the training perform better in answering questions that required them to argue. They implement various learning strategies in online discussion forum and are able to articulate the process of accommodation they are going through. The learning experience changes students 39 perceptions of their own understanding and motivation level. They become more aware of the limitations of their own understanding and level of motivation.The technology of online discussion forum accommodates discourse and records it in forms of transcript, so it can be further analyzed. The online discussion transcripts of the class with the training show that timeliness and quality of triggers positvely correlated to the level of participation. The most intensive attendance occurred at the beginning, as the groups seek to define the problem. The level of participation decreases in the second and third periods, since the problem has been defined and the they need time for reflection and seach relevant information before they explore ideas and integrate them to solve the problem. Before the discussion period ends, students become more active again to complete the task on time.The pattern of the attendance levels of social, teaching, and cognitive presences follows the same pattern as the participation levels. Students exhibit highest social presence, followed by cognitive and teaching presences. The most dominant critical thinking level is integration in the forms of linking between concepts and integrate ideas within learning community. All groups reach integration level, but not all of them attain resolution. Resolution is achieved by groups of high level cognitive presence or those having voluntary student facilitators who take the role of defining the problem and directing group members to take their parts.In completing the task through online discussions, students respond to glimpse previous messages, then focus on the delivery of their own ideas. Conflicting of opinions is rare and disagreement does not last long. Most students find online discussion useful to deepen learning, stimulate thinking, and enhance learning strategies. Learning support from peers is obtained through providing examples, sharing knowledge and learning resources, stimulating thinking, confirming understanding, and diagnosing misconceptions.Online collaborative learning is a new experience for most respondents therefore, at the beginning they find it difficult to initiate a discussion and to present their thought in text. They concern the conveyed messages both content and choice of words are not satisfactory. They have difficulty summarizing the emerging ideas in the online forum. This study proposes a feature integrated with online discussion forum to facilitate shared knowledge construction by compiling a summary collaboratively. Development and implementation of this feature and an adoption of the the training method in different contexts are future research topics to improve online collaborative learning."